论文部分内容阅读
随着国家排放法规日益严格,乘用车也在由传统能源技术向新能源技术加速发展,而动力系统作为汽车技术体系的重要一环,也要适应这一挑战。当前,由于对国内乘用车典型行驶特征的掌握并不充分,并且我国尚未普遍推广适用于国内交通环境的行驶工况,导致在动力系统研发试验中,相关结果无法与国内现实水平匹配,从而对排放检测、能量管理等新技术的应用造成困难。因此,有必要有针对性地开发反映国内行驶特征的代表行驶工况,为新能源汽车技术研发提供关键数据支持。本文在长春市选择了10辆轻型乘用车以自主驾驶方式进行了为期一年的行驶数据采集工作,建立了短行程大样本数据库,从无监督学习聚类、混合概率分布模型聚类和随机过程概率模型估计三个方面研究了构建代表行驶工况的具体应用方案,据此开发了长春市轻型乘用车代表行驶工况,相关分析结果可为代表行驶工况构建研究提供较为可靠的理论及应用依据。本文采用测试样本数据集对比分析了K均值聚类算法、密度峰聚类算法、模糊聚类算法和自组织映射神经网络聚类算法的计算性能,结果表明,自组织映射神经网络聚类算法能够利用少量的神经元获取样本集在特征空间中的分布结构,可以建立神经元与随机样本之间的对应关系,据此可以直接根据神经元的聚类结果完成对随机样本的聚类,有助于减少运算量,该算法的聚类精度最高,其得到的误判样本数量最少,并且聚类中心与理想中心位置的重合度最高,适合针对大样本数据集的聚类运算。本文研究了特征参数组合方式对聚类运算结果的影响,结果表明,将怠速比例、匀速比例、行驶时间、最大速度、平均行驶速度和速度标准差作为描述短行程样本的特征参数可以显著减少大样本数据库的数据量,有利于提高计算效率,据此得到的聚类结果能够细化中低速行驶类别且不存在类别同质化的现象,可以实现样本在各类之间的合理分配。应用自组织映射神经网络聚类算法对大样本数据库进行聚类分析,根据聚类结果研究了基于无监督学习聚类的代表行驶工况构建方法,并基于该方法分别构建了长春市轻型乘用车中低速行驶工况和高速行驶工况。将两组工况与各自的数据库统计特征进行了对比,结果表明特征参数平均偏差均低于3%,构建工况的精度较高,验证了构建方法的有效性和准确性。选择快速路、市区主干路、市郊主干路和次干路作为道路等级研究对象,从大样本数据库中提取相关数据并组建了不同道路等级的样本数据集,对样本数据集的行驶特征及其在特征空间中的分布模式进行了统计分析。结果表明,市区主干路、市郊主干路和次干路的随机样本分布在特征空间中存在较大交叠区域,三个道路等级的行驶模式具有较高的相似性。快速路、市区主干路和市郊主干路的随机样本服从正态分布,而次干路具有最为丰富的行驶特征多样性,其随机样本无法严格服从正态分布。分别采用最大期望算法和判别分析对快速路和市区主干路的样本数据集进行了聚类分析。结果表明,最大期望算法和判别分析法对训练样本集的误判数量分别只有1个和0个,而从未知样本集的聚类结果中得到的模糊样本数量分别为2个和1个,两者对除此以外的剩余样本的聚类结果完全相同,其聚类结果具有高度一致性。研究了基于混合正态分布概率模型聚类算法的代表行驶工况构建方法,根据最大期望算法对样本数据集的聚类结果,构建了快速路代表行驶工况和市区主干路代表行驶工况。对比验证结果表明,两个构建工况相对于各自样本数据集的特征参数平均偏差分别低于3%和2%,构建工况具有较高的准确性,验证了工况构建方法的有效性。基于马尔科夫链原理,探讨了状态转移概率的计算方法,通过分析指出极大似然法对样本量较少的状态转移概率的计算能力不足,而改进Kneser-Ney平滑算法对不同样本量的计算适应性更好,可以在一定邻域范围内实现状态转移概率的平滑过渡,使计算结果更符合实际行驶规律。另外检验了状态转移概率分布与正态分布之间的关联性,发现只有在特定车速区间下划分行驶状态时,两个分布的形态才具有高度一致性,除此以外,两者存在明显偏离,因此盲目采用正态分布拟合的方式计算状态转移概率会引入更多计算误差。研究了基于马尔科夫链随机过程的代表行驶工况构建方法,利用该算法分别采用分类和不分类构建两种模式构建了长春市轻型乘用车代表行驶工况,对比结果表明,所有构建工况与数据库的特征参数平均偏差均低于5%,验证了构建方法的有效性。